Đánh giá mức độ sẵn sàng AI: 20 câu hỏi trước khi triển khai

Đăng ngày 25/10/2026

Tóm tắt và điều cần nhớ

Đánh giá mức độ sẵn sàng AI nên bắt đầu từ một công việc dự kiến triển khai, thay vì hỏi chung công ty đã hiện đại đến đâu. Bảng kiểm dưới đây dùng bằng chứng trên năm trục để chọn việc được thử, việc cần chuẩn bị và việc phải dừng. Đây là công cụ thực hành do bài xây dựng, chưa được kiểm định và không thay chứng nhận hay đánh giá tuân thủ.

• Chấm từng ứng dụng AI, ghi rõ người nhận kết quả và quyền hành động của máy.
• Tách tài liệu đã viết khỏi biện pháp đã thực hiện thử.
• Không cộng điểm tốt để bù cho quyền dữ liệu chưa rõ.
• Giữ trạng thái chưa biết khi chưa có người xác minh.
• Đánh giá lại khi thay dữ liệu, mô hình, công cụ hoặc mục đích dùng.

Vì sao mua công cụ chưa chứng minh đã sẵn sàng?

Một bản trình diễn AI có thể trả lời đúng câu hỏi chuẩn bị trước nhưng chưa cho thấy ai sẽ xử lý ngoại lệ. Để quyết định đầu tư, doanh nghiệp cần hiểu công việc nào đang gặp khó, đầu ra nào được chấp nhận và người nào chịu chi phí sửa sai. Nếu những thông tin ấy còn thiếu, việc chọn mô hình mạnh hơn không giải được phần chưa rõ trong đề bài.

RAND công bố nghiên cứu năm 2024 dựa trên phỏng vấn 65 người làm AI và máy học. Nhóm chỉ ra các vấn đề như hiểu sai nhu cầu, thiếu dữ liệu và chạy theo công nghệ. Đây là nghiên cứu định tính, chủ yếu từ góc nhìn kỹ thuật; không xác định được bao nhiêu doanh nghiệp Việt Nam thất bại. Công việc chỉ dùng mô hình có sẵn mà không huấn luyện hoặc tùy biến còn nằm ngoài phạm vi nghiên cứu [1].

OECD năm 2025 đề nghị phân biệt doanh nghiệp nhỏ theo mức trưởng thành số, độ phức tạp và phạm vi sử dụng AI. Các điều kiện hỗ trợ được bàn gồm kết nối, đầu vào công nghệ, kỹ năng và tài chính [2]. Nhận xét này giúp tránh một bảng kiểm dùng giống hệt cho mọi nơi. Trợ lý viết nháp và mô hình dự báo phục vụ kế hoạch sản xuất cần những bằng chứng khác nhau.

Cách chấm bằng chứng và đọc điểm mà không tự đánh lừa

Với mỗi câu hỏi, bài đề xuất ba mức ghi nhận: không có căn cứ là không điểm; có hồ sơ nhưng chưa thử là một điểm; đã thử đúng phạm vi, lưu kết quả và có người xác nhận là hai điểm. Đây là quy ước biên tập, không phải phương pháp thống kê. Trả lời chưa biết cũng chưa được tính là đã có bằng chứng.

Mỗi trục gồm bốn câu, tối đa tám điểm. Nên giữ năm điểm trục đứng cạnh nhau thay vì chỉ nhìn tổng. Người đọc phải tra được tài liệu hoặc lần thử đứng sau từng lựa chọn. Một trục nhiều điểm không có nghĩa mọi nội dung đã đủ: nó chỉ cho biết mức bằng chứng thu thập được theo những câu hỏi hẹp của công cụ này.

NIST AI RMF tổ chức các hoạt động nhận diện, đo lường, quản trị và xử lý rủi ro AI. Các chức năng trong khung giúp phân chia việc quản trị rủi ro [3]. NIST giới thiệu khung sử dụng tự nguyện và cho biết phiên bản đang được sửa đổi [4]. Bài lấy tinh thần kiểm chứng liên tục làm căn cứ tham khảo, nhưng không quy đổi điểm tự chấm thành mức phù hợp với NIST hoặc bất kỳ nghĩa vụ pháp lý nào.

Ngoài điểm, phải có một cột điều kiện dừng. Khi chưa xác định được quyền dùng dữ liệu, chưa chỉ định người phê duyệt hoặc chưa ngăn được hành động vượt phạm vi, kết luận phù hợp là chưa mở quyền đó. Quy tắc dừng là lựa chọn thận trọng của bảng kiểm này. Nó không nhằm khẳng định mọi ứng dụng cần cùng một bộ hồ sơ hay mức đầu tư.

Trục chiến lược: ai sở hữu vấn đề và kết quả?

Trục đầu kiểm xem dự án AI có một nhu cầu cụ thể và người nhận trách nhiệm hay chưa. Nên mời cả người làm công việc hiện tại cùng tham gia, vì lãnh đạo có thể nhìn thời gian xử lý khác với người trực tiếp sửa sai. Bằng chứng cần thể hiện được cách công việc đang vận hành, chứ không chỉ là nhận định rằng đối thủ đã mua AI.

• Câu 1: Có mô tả đầu ra cần cải thiện và cách đo hiện trạng không? Căn cứ là hồ sơ công việc trước thử nghiệm.
• Câu 2: Đã chỉ định người có quyền chấp nhận kết quả, quyết định dừng và nhận phản hồi chưa?
• Câu 3: Có phương án không dùng AI để so sánh, bao gồm việc sửa quy trình hoặc bổ sung hướng dẫn không?
• Câu 4: Đã tính phần kiểm lại, duy trì và hỗ trợ người dùng vào nguồn lực dự kiến chưa?

Trục dữ liệu: dùng được cho nhiệm vụ nào?

Dữ liệu đầy đủ về số lượng chưa chắc phù hợp với nhiệm vụ AI. Thông cáo Gartner năm 2025 nhấn mạnh yêu cầu dữ liệu phải gắn với trường hợp sử dụng và việc đánh giá cần được duy trì. Đây là hướng dẫn của hãng nghiên cứu, tư vấn có hoạt động thương mại, không là tiêu chuẩn bắt buộc [5]. Bài không dùng dự báo tỷ lệ dự án bị hủy như kết quả đã quan sát.

• Câu 5: Có chỉ mục nguồn dữ liệu, người quản lý và căn cứ cho phép dùng theo mục đích dự kiến chưa?
• Câu 6: Đã kiểm tính cập nhật, trường bị thiếu và các trường hợp lệch so với công việc thực tế chưa?
• Câu 7: Có tách dữ liệu dùng để đánh giá khỏi phần đã dùng để điều chỉnh mô hình hoặc lời nhắc không?
• Câu 8: Đã thử ngăn tài liệu sai quyền truy cập hoặc bị rút hiệu lực đi vào kết quả của AI chưa?

Với AI dự báo, cần xem dữ liệu lịch sử có phản ánh điều kiện sẽ gặp khi vận hành hay không. Với trợ lý tra cứu, cần quan tâm nguồn được truy xuất, thời điểm hiệu lực và cách xử lý khi không có tài liệu phù hợp. Hai ứng dụng có thể dùng cùng kho nhưng không được mặc nhiên chia sẻ kết luận chất lượng dữ liệu cho nhau.

Trong cách làm do FPT IS giới thiệu, đơn vị này xem xét dữ liệu có chất lượng ra sao và khai thác được đến đâu [6]. Người mua nên chuyển lời mô tả thương mại thành yêu cầu trình bằng chứng cụ thể: tập dữ liệu nào đã kiểm, lỗi nào còn lại và ai chịu trách nhiệm cập nhật. Không cần coi một nhà cung cấp duy nhất là đáp án bắt buộc cho trục dữ liệu.

Trục quy trình: AI đi vào bước nào, rời đi bằng cách nào?

Trục này quan tâm đường đi của công việc trước và sau đầu ra AI. Một chức năng chạy riêng có thể hữu ích khi thử, nhưng chưa thể hiện việc tích hợp vào hoạt động thường ngày. Bằng chứng nên cho thấy công việc được giao, kiểm, trả lại và kết thúc ra sao. Ngoại lệ không được biến thành việc ngầm mà người vận hành tự xoay xở.

• Câu 9: Sơ đồ công việc đã chỉ rõ bước AI tham gia và người nhận đầu ra chưa?
• Câu 10: Có tiêu chí từ chối đầu ra, yêu cầu bổ sung hoặc chuyển người xử lý không?
• Câu 11: Đã thử quay về cách làm thông thường khi AI không dùng được chưa?
• Câu 12: Có ghi nhận thay đổi dữ liệu, mô hình và cấu hình đủ để biết lần thử nào còn giá trị không?

Nếu một trợ lý chỉ được soạn nháp, phần mềm cần giữ được ranh giới ấy trong cách vận hành thực tế. Người dùng không nên phải nhớ một lời dặn miệng để ngăn gửi nội dung ra ngoài. Tương tự, đường quay về cách cũ phải được thử cùng người sẽ dùng nó. Một tệp hướng dẫn chưa được mở thử mới chỉ là bằng chứng ở mức tài liệu.

OWASP gọi việc giao quá nhiều chức năng, quyền và mức tự chủ cho ứng dụng mô hình ngôn ngữ là một nhóm rủi ro cần kiểm soát [7]. Từ đó, bảng kiểm này yêu cầu xem quyền hành động riêng với khả năng tạo câu trả lời. Nó không trình bày kỹ thuật tấn công; người triển khai chỉ cần xác định công cụ nào thực sự cần và loại quyền nào chưa được mở.

Trục con người: năng lực được chứng minh bằng thao tác nào?

Biết nhập yêu cầu cho AI khác với biết kiểm kết quả trong một công việc chuyên môn. Bài yêu cầu quan sát thao tác thay vì chỉ đếm người dự khóa học. Tập tình huống có thể bao gồm đầu ra thiếu thông tin, dùng nhầm nguồn hoặc trả lời vượt câu hỏi. Người được đào tạo phải biết nhận ra giới hạn và tìm đúng người hỗ trợ.

• Câu 13: Người dùng đã thực hành kiểm đầu ra trên tình huống thuộc công việc của họ chưa?
• Câu 14: Việc bàn giao ứng dụng AI cho nhân sự dự phòng đã được thực hành chưa?
• Câu 15: Nhân viên có kênh báo lỗi, đề nghị sửa và được phản hồi mà không phải giấu việc dùng AI không?
• Câu 16: Đã phân bổ thời gian kiểm, học cách dùng và xử lý phát sinh trong lịch làm việc chưa?

Một nghiên cứu đăng trên QJE năm 2025 theo dõi việc triển khai trợ lý cho nhân viên hỗ trợ khách hàng cho thấy tác động khác nhau theo kỹ năng và kinh nghiệm [8]. Kết quả ấy không cung cấp điểm sẵn sàng chung cho doanh nghiệp. Nó nhắc người quản lý đừng giả định công cụ sẽ hỗ trợ mọi nhân viên giống nhau hoặc thay được năng lực chuyên môn để kiểm kết quả.

Trục quản trị: quyết định nào chưa được giao cho AI?

Trục cuối kiểm khả năng giữ giới hạn khi hệ thống đã có người dùng thật. Những câu hỏi về dữ liệu và quyền hành động có thể trở thành điều kiện dừng dù tổng điểm khá cao. Bằng chứng cần được thu thập với sự tham gia của người có thẩm quyền về nghiệp vụ, dữ liệu và yêu cầu pháp lý; bảng tự chấm không tự xác nhận các yêu cầu ấy đã được đáp ứng.

• Câu 17: Danh sách thông tin bị cấm nhập vào ứng dụng AI đã được lập và thử biện pháp ngăn chưa?
• Câu 18: Quyền đọc, ghi và gửi ra ngoài đã được giới hạn đúng nhiệm vụ, kèm người phê duyệt thích hợp chưa?
• Câu 19: Có cách ghi nhận, báo sự cố, dừng và xem xét lại khi kết quả ảnh hưởng người khác không?
• Câu 20: Đã chỉ định người rà yêu cầu minh bạch, quyền dữ liệu và trách nhiệm với nhà cung cấp chưa?

Một câu trả lời chưa rõ ở hai câu đầu có thể làm thay đổi hoàn toàn phạm vi thử. Bài đề xuất chưa cho dùng dữ liệu có hạn chế hoặc quyền hành động liên quan cho đến khi được làm rõ. Không nên sửa tên tài liệu thành “đã ẩn danh” rồi mặc nhiên kết luận an toàn; người phụ trách phải xác minh cách xử lý thực tế phù hợp với dữ liệu và mục đích dự kiến.

Hai ví dụ giả định: cùng điểm chưa chắc cùng quyền triển khai

Ca giả định thứ nhất là cửa hàng bán lẻ có 30 người, muốn dùng AI trả lời về sản phẩm. Điểm theo thứ tự năm trục là sáu, ba, bốn, năm và hai, tổng hai mươi trên bốn mươi. Chủ cửa hàng có mục tiêu rõ, nhưng chưa biết dữ liệu khách có được gửi sang dịch vụ đang thử hay không. Điểm thấp ở dữ liệu và quản trị làm phạm vi hiện tại chưa phù hợp để thử với dữ liệu ấy.

Trong ca này, đề xuất là chuẩn bị tập thông tin sản phẩm công khai và dùng AI soạn nháp nội bộ, chưa tự phản hồi khách. Việc đầu tiên cần hoàn thành là xác minh điều kiện dùng dịch vụ cùng người phụ trách dữ liệu. Tiếp đó mới kiểm đầu ra trên câu hỏi không có đáp án trong danh mục. Không lấy tổng điểm để tuyên bố đã đủ điều kiện vận hành chatbot tự động.

Ca giả định thứ hai là nhà máy có 300 người, đang xét AI gợi ý nhu cầu vật tư. Năm điểm trục là sáu, sáu, năm, bốn và sáu, tổng hai mươi bảy. Dữ liệu được quản lý tốt hơn nhưng nhân viên kế hoạch chưa thực hành xử lý dự báo sai. Đề xuất của bài là thử đối chiếu gợi ý với quy trình hiện tại, chưa để AI tự đặt hàng hoặc điều khiển thiết bị.

Điều có ích khi đánh giá mức độ sẵn sàng AI là tìm được phần cần chuẩn bị khác nhau ở hai tình huống. Cửa hàng cần làm rõ dữ liệu trước; nhà máy cần hoàn thiện năng lực kiểm và tiếp nhận kết quả. Các điểm số đều do ví dụ tự đặt, không phải kết quả đo doanh nghiệp thật hay ngưỡng an toàn đã được nghiên cứu thực nghiệm.

Áp dụng theo quy mô và giữ đúng bối cảnh Việt Nam

Chủ hộ nên lập một phiếu ngắn mô tả việc cần làm, do chủ hộ xác nhận từng giới hạn. Doanh nghiệp nhỏ nên chọn một quy trình dễ kiểm lại, tránh để cùng người vừa làm bản thử vừa quyết định mọi kết quả. Ở doanh nghiệp vừa, cần bổ sung người nhận đầu ra từ phòng ban khác để phát hiện chi phí chuyển tiếp hoặc công việc phát sinh chưa ai tính đến.

Với doanh nghiệp lớn, bảng kiểm cần được gắn vào hồ sơ của từng ứng dụng AI và cơ chế phê duyệt hiện có. Không cần một người trả lời thay mọi đơn vị. Bên thuê ngoài vẫn phải trình được phạm vi, dữ liệu và quyền công cụ để người nội bộ kiểm lại. Mức độ tài liệu có thể khác nhau, nhưng câu hỏi về người chịu trách nhiệm không biến mất khi quy mô nhỏ hơn.

Với hoạt động tại Việt Nam, cần đọc Luật Trí tuệ nhân tạo, số hiệu 134/2025/QH15, có hiệu lực ngày 1/3/2026. Điều 11 quy định trách nhiệm minh bạch; khoản 3 đặt điều kiện thông báo với nội dung AI cung cấp ra công cộng có khả năng gây nhầm lẫn về sự kiện hoặc nhân vật, cùng ngoại lệ theo luật. Bên triển khai cũng có trách nhiệm ghi nhận, thông báo kịp thời sự cố nghiêm trọng theo Điều 12 [9].

Vì vậy, câu hỏi về người xem yêu cầu pháp lý phải được xử lý trước khi đưa nội dung hoặc chức năng ra sử dụng. Bài không phân loại hệ thống rủi ro cao cho từng trường hợp, không hướng dẫn thủ tục đầy đủ và không kết luận một công ty đã tuân thủ chỉ qua bảng điểm. Người triển khai cần đọc cả văn bản hướng dẫn đang áp dụng cho hoạt động của mình.

Bộ KH&CN đã ban hành bộ tiêu chí dành cho đánh giá chuyển đổi số doanh nghiệp theo Quyết định 1567/QĐ-BKHCN, ngày 30/6/2025; đây là một công cụ khác [10]. Hai kết quả không được quy đổi tự động. Bảng kiểm sẵn sàng AI chỉ giúp ghi việc còn thiếu trước một quyết định thử nghiệm, không tạo điểm chính thức, giấy xác nhận hay điều kiện nhận hỗ trợ của cơ quan nhà nước.

Góc nhìn AI: chọn phép thử theo loại hệ thống

Với AI tạo sinh, cần thêm tình huống trả lời không có căn cứ, trộn nguồn hoặc làm người nhận hiểu nhầm mức chắc chắn. Với AI dự báo, cần kiểm dữ liệu dùng để đo kết quả có phù hợp thời gian và điều kiện vận hành hay không. Với tác tử, quyền thực hiện từng hành động phải được xem riêng. Một câu trả lời có chất lượng chưa đủ để cho phép thao tác trên hệ thống khác.

Đánh giá mức độ sẵn sàng AI vì thế cần ghi rõ loại thay đổi đang được xin phép. Mở trợ lý cho đội nội bộ khác với giao quyền thay hồ sơ khách hàng. Nếu chưa chứng minh được giới hạn, có thể chọn mức thử hẹp hơn, giữ con người xác nhận đầu ra hoặc chưa kết nối công cụ. Đây là đề xuất tổ chức phép thử, không phải lời bảo đảm rằng một cấu hình cụ thể sẽ an toàn.

OECD công bố khảo sát D4SME năm 2026 với hơn hai nghìn doanh nghiệp nhỏ và vừa tại mười hai nước. Tác giả nói rõ mẫu không đại diện toàn bộ doanh nghiệp các nước; việc tích hợp AI có mục tiêu và an toàn còn không đồng đều [11]. Bằng chứng ấy ủng hộ việc xem kỹ điều kiện từng nơi, thay vì áp một chuẩn điểm đẹp lấy từ nhóm dùng nền tảng trực tuyến.

Từ bảng kiểm đến quyết định thử nghiệm

Không cần chờ chấm toàn công ty mới làm một nhiệm vụ hẹp. Theo cách thực hành của bài, nhóm bắt đầu bằng hồ sơ phạm vi và kết thúc bằng một quyết định có điều kiện. Phần chưa rõ phải có người theo dõi, tránh để bảng điểm trở thành một buổi điền biểu mẫu rồi không được dùng trong công việc thật.

• Bước 1: Chọn một nhiệm vụ và mô tả điều AI chưa được quyền làm.
• Bước 2: Tập hợp căn cứ cho từng câu; để trống kết luận nếu chưa kiểm được.
• Bước 3: Xử lý điều kiện dừng trước, rồi chọn điểm nghẽn cần thử tiếp.
• Bước 4: Tổ chức phép thử có quan sát, ghi cả kết quả không đạt và quyết định của người phụ trách.
• Bước 5: Xác định sự kiện phải đánh giá lại; không dùng kết quả cũ cho phạm vi mới.

Hỏi đáp về đánh giá mức độ sẵn sàng AI

Doanh nghiệp sẵn sàng AI chưa nếu nhân viên đã dùng hằng ngày? Tần suất dùng chỉ cho thấy công cụ đã đi vào một phần công việc. Cần kiểm thêm nguồn dữ liệu, người nhận trách nhiệm và cách tiếp nhận câu trả lời không đạt yêu cầu. Không nên lấy thói quen dùng cá nhân làm bằng chứng rằng doanh nghiệp đã quản lý được việc chia sẻ dữ liệu hoặc quyền hành động của ứng dụng.

AI readiness assessment có cần thuê tư vấn không? Một nhiệm vụ nhỏ có thể bắt đầu bằng tự kiểm với người am hiểu nghiệp vụ và kỹ thuật. Nên tìm hỗ trợ khi đội nội bộ không đủ năng lực đánh giá dữ liệu, rủi ro hoặc nghĩa vụ liên quan. Phạm vi thuê cần ghi rõ đầu ra cần bàn giao; chứng chỉ của người tư vấn không tự thay cho bằng chứng kiểm trên hệ thống thực tế.

Bảng kiểm triển khai AI cần bao nhiêu điểm để được làm? Bài không đặt ngưỡng tổng quyết định cho mọi ứng dụng vì thang tự dựng chưa được kiểm định. Tổng khá cao vẫn phải xem từng điều kiện dừng. Một nhiệm vụ chỉ đọc tài liệu công khai có thể được đề xuất thử theo phạm vi hẹp, trong khi quyền thay dữ liệu hoặc thực hiện giao dịch cần bằng chứng khác.

Chuẩn bị triển khai AI nên mua hạ tầng trước hay đào tạo trước? Hãy xem phần nào đang chặn nhiệm vụ đã chọn. Nếu quyền dữ liệu hoặc trách nhiệm chưa rõ, mua máy không xử lý được vấn đề ấy. Nếu hệ thống kỹ thuật chưa đáp ứng phép thử cần làm, đào tạo chung cũng chưa đủ. Bảng kiểm giúp xác định điều phải giải quyết trước khi cam kết khoản đầu tư tiếp theo.

Giữ bảng kiểm như một hồ sơ làm việc

Kết quả đánh giá mức độ sẵn sàng AI cần dẫn tới việc cụ thể, có người làm và cách xác nhận đã hoàn thành. Hãy chọn một ứng dụng để kiểm bằng chứng trước khi xin mở thêm quyền. Nếu chưa đủ căn cứ, thu hẹp hoặc hoãn phạm vi ấy là một kết quả hữu ích. Bảng điểm chỉ đáng giữ khi giúp người phụ trách giải thích được quyết định của mình.

Nguồn và phương pháp

Bài tổng hợp có hỗ trợ AI, không phải bản dịch; các nguồn được đọc hoặc đối chiếu ngày 25/10/2026. Nguồn chính gồm NIST, OECD, RAND, nghiên cứu QJE và văn bản Việt Nam; Gartner cùng FPT IS có lợi ích thương mại. Bảng hai mươi câu, quy ước điểm và ví dụ là đề xuất biên tập, chưa kiểm định thực nghiệm; hiệu quả áp dụng tại Việt Nam chưa kiểm chứng. Bài không cung cấp tư vấn pháp lý, thuế hoặc tài chính, không xác nhận an toàn hay tuân thủ cho trường hợp cụ thể.